[發明專利]基于文本相似度的信息匹配系統

在審

• 申請號: 202011306415.3
• 申請日: 2020-11-19
• 公開（公告）號: CN112287657A
• 公開（公告）日: 2021-01-29
• 發明（設計）人: 陳津來;袁凱;尹雅露;葉新江;方毅;段永康;常越峰
• 申請（專利權）人: 每日互動股份有限公司
• 主分類號: G06F40/194
• 分類號: G06F40/194;G06F40/279;G06F40/242;G06F16/27
• 代理公司: 北京鍾維聯合知識產權代理有限公司 11579
• 代理人: 丁慧玲

1.一種基于文本相似度的信息匹配系統，其特征在于，包括第一數據庫和第二數據庫，處理器和存儲有計算機程序的存儲器，所述第一數據庫用于存儲第一文本信息以及所述第一文本信息對應的第一地址信息，所述第二數據庫用于存儲第二文本信息以及所述第二文本信息對應的第二地址信息，當所述計算機程序被處理器執行時，實現以下步驟：

步驟S1、從所述第一數據庫中獲取第一文本信息C，以及與所述第一文本信息對應的第一地址信息D；

步驟S2、從所述第二數據庫中獲取以D為中心的預設距離范圍內的所有的第二地址信息所對應的第二文本信息列表E＝(E₁,E₂...E_N)，E_n為所述第二文本信息列表中的第n個第二文本信息,n＝1,2,...N，N為正整數；

步驟S3、基于所述第一文本信息C構建基準詞庫，并根據所述基準詞庫確定X類詞庫，X為正整數；

步驟S4、基于所述基準詞庫以及X類詞庫構建特征詞庫，所述特征詞庫中包括多個特征詞文本信息，即F＝(F₁,F₂...F_M)，F_m表示所述特征詞庫的第m個特征詞文本信息，m＝1,2,...M；

步驟S5、逐個獲取每一所述特征詞文本信息F_m與E_n的文本相似度H_mn，并與預設的相似度閾值H₀進行比較，若H_mn≥H₀，則將該第二文本信息E_n與所述第一文本信息C相關聯。

2.根據權利要求1所述的系統，其特征在于，

所述步驟S3進一步包括：

步驟S31、將所述第一文本信息C進行分詞處理，得到多個分詞文本，將每一所述分詞文本與預設的第一詞庫進行匹配，若所述第一詞庫中包含與該分詞文本相同的文本信息，則將該分詞文本剔除，將剩余的分詞文本基于在所述第一文本信息C中的順序重新組成基準詞存儲至基準詞庫中，構建所述基準詞庫；

步驟S32、將所述基準詞與預設的第x詞庫進行匹配，x＝2,3,...X+1，將所述基礎詞中包含在所述第x詞庫中的文本切除，將所述基礎詞剩余的文本信息存儲至第x-1類詞庫中，構建所述第x-1類詞庫。

3.根據權利要求2所述的系統，其特征在于，

所述第一詞庫基于預設的通用詞詞典構建，所述第x詞庫基于預設的專業詞典構建。

4.根據權利要求2所述的系統，其特征在于，

所述步驟S4進一步包括：

步驟S41、將所述基準詞以及所有第x-1類詞庫中的文本信息的原始文本信息分別根據預設的轉譯規則進行轉譯，得到所述基準詞以及所有第x-1類詞庫中的文本信息對應的轉譯文本信息；

步驟S42、將所述基準詞以及所有第x-1類詞庫中的文本信息對應的轉譯文本信息，以及所述基準詞以及所有第x-1類詞庫中的文本信息的原始文本信息共同組成所述特征詞庫。

5.根據權利要求4所述的系統，其特征在于，

所述步驟S41中，所述預設的轉譯規則為：

將所述基準詞以及所有第x-1類詞庫中的文本信息對應的原始文本信息轉換為對應的漢語拼音信息，得到第一轉譯文本信息，以及，將所述原始文本信息中每一漢語漢字轉換為該漢語漢字對應的拼音信息的首字母，得到第二轉譯文本信息，所述第一轉譯文本信息和所述第二轉譯文本信息共同組成所述轉譯文本信息。

6.根據權利要求1所述的系統，其特征在于，

所述步驟S5中，獲取每一所述特征詞文本信息F_m與E_n的文本相似度H_mn：

其中，a為F_m的字符串，i表示a的第i位，b為E_n的字符串，j表示b的第j位，a_i為F_m的字符串的第i個字符，b_j為E_n的字符串的第j個字符。